¿Cómo logró un estudiante convertir en autónomo un automóvil?

Brevan Jorgenson es un estudiante de la Universidad de Nebraska que por curiosidad personal logró convertir en autónomo un Honda Civic, y todo por 700 dólares...

Brevan también hace de consultor IT para la universidad, una labor que combina con sus estudios. Aparte de todo esto ha tenido tiempo para, en apenas cuatro meses, adaptar un coche a la conducción autónoma. Para ello ha utilizado herramientas disponibles online, tanto de software como de hardware.

El software de conducción autónoma y los diseños de las piezas de hardware los ha obtenido a través de Internet. A partir de ahí solo tuvo que encargar su fabricación o hacerlas él mismo y pulir la programación. Lo cierto es que nada de esto hubiera sido posible sin George Hotz. No es que se conozcan, pero el pasado noviembre Hotz abrió el código de su software de conducción autónoma.

A partir de esta fecha cualquiera podía tener acceso a los productos de Comma.ai, la startup de Hotz. Estos consistían en Openpilot , el mencionado software, y en Neo , una plataforma de hardware también abierta basada en el smartphone OnePlus 3.

Con estos mimbres Hotz esperaba alentar a entusiastas y aficionados a poner dosis de conducción autónoma en sus vehículos. Brevan lo ha hecho así. Encargó las partes necesarias para construir un dispositivo Neo el mismo día que Hotz subió el código a la Red. La impresión 3D de una carcasa la encargó a terceros y él se dedicó a ajustar Openpilot para que funcionara con su Honda Civic.

Era necesario soldar un circuito electrónico que conectara su dispositivo Neo con el coche, cosa que hizo él mismo. Y una vez hechos todos los ajustes solo quedaba probarlo. Esta tarea también le correspondió a Brevan en solitario. El estudiante no quería mezclar a nadie en la aventura por si algo salía mal. No en vano estamos hablando de un vehículo con un sistema de conducción en fase que ni siquiera llega al prototipo.

Fue bien. Brevan se dejó conducir por la carretera sin incidencias. Había logrado convertir en autónomo un Honda Civic por unos 700 dólares. Más adelante descubrió un pequeño fallo, pero se corrigió con una actualización de software. Lo cierto es que el coche es de conducción asistida. De hecho Openpilot avisa a conductor si este no toca el volante durante cinco minutos. Pero la experiencia es un estímulo para que más gente se lance a investigar en este campo. El software y el hardware abierto de Hotz podrían ser una alternativa a los sistemas autónomos de las grandes marcas.

Cómo Internet de las Cosas está ayudando a la salud del planeta

Poco a poco los beneficios de Internet de las Cosas comienzan a llegar a todas las áreas. Y el medio ambiente no es ajeno a esta situación, dado que ya está experimentando en primera persona estos cambios que contribuyen a un planeta más sustentable. 

1. Ecología sobre la marcha

Los autos inteligentes y autónomos pueden marcar el comienzo de una nueva era de conducción ecológica al permitir que los vehículos en la autopista comuniquen y procesen lo que otros vehículos están a punto de hacer. Esto permite que el tráfico se mueva a una sola velocidad, con unos pocos metros entre los vehículos, lo que reduce la ineficiencia de combustible provocada por los cambios de velocidad y de marcha de los autos. La plataforma Watson IoT de IBM se ha utilizado para crear un automóvil sin conductor llamado Olli. La misma analiza la gran cantidad de datos que provienen de los sensores del vehículo, permitiendo acelerar, desacelerar y cambiar de carril sin un conductor.

2. Fauna conectada

El IoT se ha utilizado para recuperar especies al borde de la extinción con gran éxito. El lince ibérico se restableció en España después de utilizar las tecnologías del IoT para rastrear y monitorear los pocos linces silvestres que quedan. Mediante el uso de collares para el geomapping de su ubicación y de sus hábitos, junto con drones conectados, mucho menos invasivos al rastrear a los animales, los científicos y expertos en vida silvestre pudieron ayudar a restablecer la especie.

3. Sin derroche no hay escasez

Dejar las luces prendidas, calefaccionar una casa que está vacía o calentar agua que nadie va a usar son todos grandes desperdicios de energía. Sin embargo, los hogares inteligentes y conectados pueden evitar el uso innecesario de energía. Existen programas disponibles, como el Loxone Smart Home, que permiten a los usuarios encender o apagar las luces y controlar la temperatura y la actividad de la calefacción  cuando se está fuera de casa. Además, los autos también pueden conectarse a los hogares y así crear una gama más amplia de opciones de ahorro de eficiencia.

4. Sensor de cambio

Los sensores están más sofisticados que nunca y ahora pueden ser transportados por la gente con facilidad. Hay una serie de sensores que miden la calidad del aire y avisan a los usuarios a través de aplicaciones en sus smartphones cuando el aire está en niveles peligrosos o puede causar asma. Esto no solo es útil para el usuario, sino que también puede aumentar la conciencia sobre la contaminación y las altas emisiones en las zonas pobladas. Algunos dispositivos similares también se utilizan para trabajar con radiación y mineras. Es una buena manera de impulsar a las comunidades y a los gobiernos a combatir el aumento de los niveles de contaminación.

5. Agricultura más inteligente

A través del uso de sensores inteligentes, los agricultores pueden reducir la cantidad de residuos que producen, así como supervisar sus procesos agrícolas según el clima, la humedad, la luz solar y otros factores externos. También es posible reducir la cantidad de agua utilizada para hidratar los cultivos cuando un sensor descubre que los niveles de humedad en el suelo son correctos. Un enfoque del IoT puede ayudar a reducir el desperdicio y aumentar la eficiencia energética en el mundo agrícola.

¿Cómo funcionan los algoritmos que ordenan la información en Internet?

Cuando buscamos información en Google,  comparamos diferentes objetos en plataformas de ventas o cuando nos tomamos un descanso para ver una película o una serie usamos lo que podríamos llamar los tres principios básicos de la época de Internet: puntuar, clasificar y recomendar.

Al igual que los tres principios básicos tradicionales de la educación – leer, escribir y contar– ninguna educación moderna es completa sin entender cómo los algoritmos de los sitios web combinan, procesan y sintetizan la información antes de presentárnosla.

Puntuar

Lo que los consumidores y los usuarios de Internet llaman a menudo “puntuar”, las empresas tecnológicas lo pueden llamar scoring [poner una nota]. Esto es fundamental, por ejemplo, en la manera en que el motor de búsqueda de Google sitúa los enlaces de alta calidad en los primeros resultados de sus búsquedas, en las que normalmente la información más relevante aparece en la primera página de las respuestas. Cuando una persona realiza una búsqueda, Google asigna dos notas principales a cada página en su base de datos de billones de páginas web y las usa para ordenar sus resultados.

La primera de estas notas es una “nota sobre la relevancia”, una combinación de múltiples factores que miden lo relacionados que están la página y su contenido con la búsqueda. Por ejemplo, tiene en cuenta si el lugar que ocupan las palabras clave de la búsqueda en la página de resultados es un lugar más o menos destacado. La segunda es una “nota sobre la importancia”, que refleja la manera en que la red de páginas web está conectada entre sí mediante hipervínculos para determinar la importancia de cada página.

La combinación de estas dos notas, junto a otra información, otorga una puntuación a cada página, y así se determina lo útil que podría resultarle al usuario final. Las puntuaciones más elevadas aparecerán entre los primeros resultados de la búsqueda. Estas son las páginas que Google recomienda implícitamente al usuario que visite.

Clasificar

Los tres principios básicos también existen en el comercio minorista en Internet. Amazon y otros sitios de comercio electrónico permiten que los clientes escriban comentarios sobre los productos que han adquirido. Las puntuaciones con estrellas que aparecen en estos comentarios normalmente se suman y se convierten en una sola cifra que representa la opinión generalizada de los clientes. El principio en el que se basa esto se llama “la sabiduría de las masas”, según el cual se presupone que la combinación de muchas opiniones independientes reflejará más la realidad que cualquier evaluación individual.

El principio fundamental de la sabiduría de las masas es que los comentarios reflejan de forma precisa las experiencias de los clientes y no están sesgados o influidos por, digamos, el hecho de que el fabricante añada una serie de evaluaciones positivas a sus propios productos. Amazon dispone de mecanismos para eliminar este tipo de comentarios, por ejemplo, exigiendo que la compra se haya hecho desde una determinada cuenta antes de poder escribir un comentario. Luego, Amazon calcula la media de las puntuaciones con estrellas de los comentarios que quedan.

Calcular la media de las puntuaciones es bastante sencillo, pero es más complicado saber cómo clasificar de forma eficaz los productos en función de esas puntuaciones. Por ejemplo, ¿es mejor un producto que tiene 4 estrellas según 200 comentarios que uno que tiene 4,5 estrellas pero con solo 20 comentarios? Hay que tener en cuenta en la nota de la clasificación tanto la puntuación media como el tamaño de la muestra.

Existen todavía más factores que hay que tener en cuenta, como la reputación del que hace el comentario (se puede confiar más en las puntuaciones basadas en comentarios de personas con mejor reputación) y la disparidad de las puntuaciones (a la hora de ordenar los productos se puede rebajar la categoría de los que tienen unas puntuaciones que varían mucho). Amazon también puede presentar productos a diferentes usuarios en un orden distinto según su historial de navegación y los registros de compras anteriores en el sitio web.

Recomendar

El ejemplo perfecto de un sistema de recomendación es el método de Netflix para determinar qué películas le gustarán a un usuario. Los algoritmos predicen qué nota le pondría cada usuario concreto a diferentes películas que todavía no ha visto analizando su historial anterior de puntuaciones y comparándolas con las de unos usuarios parecidos. Las películas con más probabilidades de gustarle a un usuario concreto son las que finalmente se le ofrecerán.

La calidad de estas recomendaciones depende mucho de la precisión del algoritmo y de su uso del aprendizaje automático, de la extracción de datos y de los propios datos. Cuántas más puntuaciones tengamos de cada usuario y de cada película, mejores serán las predicciones.

Un mecanismo sencillo para predecir las puntuaciones podría asignar un parámetro a cada usuario que determine lo poco severo o lo duro que suele ser en sus comentarios. Otro parámetro podría asignarse a cada película para determinar la aceptación de esa película con respecto a otras. Algunos modelos más complejos identifican las similitudes entre los usuarios y las películas, por tanto, si a las personas a las que les gusta el tipo de películas que a ti te gustan han dado una puntuación elevada a una película que no has visto, el sistema podría suponer que a ti también te gustarán.

Esto puede implicar que existan algunos aspectos ocultos en las preferencias de los usuarios y en las características de las películas. También puede hacer que haya que medir cómo han cambiado las puntuaciones de una película dada a lo largo del tiempo. Si una película que antes era desconocida se convierte en un clásico de culto, podría empezar a aparecer más en las listas de recomendaciones de la gente. Un aspecto fundamental cuando se usan varios modelos es que hay que combinarlos y ajustarlos bien: el algoritmo que ganó el Premio Netflix en el concurso para predecir las puntuaciones de películas en 2009, por ejemplo, fue una mezcla de cientos de algoritmos individuales.

Esta combinación de algoritmos de puntuación, clasificación y recomendación ha transformado nuestras actividades diarias en Internet, mucho más allá de las compras, las búsquedas y el entretenimiento. Su interconexión nos permite saber de una forma más clara – y a veces inesperada – lo que queremos y cómo conseguirlo.

Vía: The Conversation